Cha 8-1 합성곱 신경망의 구성 요소

합성곱 신경망의 특징

• 입력 데이터 전체에 가중치를 적용하는 것이 아니라 일부에 가중치를 곱한다
• 2차원 입력에도 합성곱을 적용할 수 있다 (일반적으로 2차원 입력에 그대로 적용한다) → 이미지 처리 분야에서 뛰어난 성능을 발휘한다
• 합성곱 층에서 여러개의 필터를 사용할 수도 있다. 단 필터의 가중치 값은 모두 다르다.
• 합성곱은 ‘2차원 데이터’에 ‘2차원 형태의 커널’을 움직이면서 연산을 하고, 출력물을 “특성맵”이라고 부른다.

합성곱 신경망 관련 용어 정리

• 커널: 합성곱 신경망에서는 가중치를 의미 (종종 ‘필터’라고 부르기도 한다)

합성곱 신경망 주요 개념

• 합성곱 신경망의 정의
• 합성곱 층이 1개 이상을 가진 인공 신경망. 즉, 다른 종류의 층을 사용할 수 있다
• 패딩(padding)
• ‘특성 맵’의 크기를 조절하기 위해 입력데이터의 주위를 가상의 원소로 채우는 것
• 패딩의 역할은 커널이 입력데이터에 연산되는 것을 조절해주는 것이다. 단 ‘0’으로 입력데이터 주위를 채운다
• 패딩의 종류 (1) 세임 패딩(same padding): 입력과 특성맵의 크기를 동일하게 만드는 패딩. 일반적으로 세임 패딩을 많이 사용한다. (2) 밸리드 패딩(valid padding): 패딩을 하지 않아 입력데이터에 아무 변환없이 연산을 하도록 하는 패딩. 특성 맵의 크기가 줄어든다
• 패딩을 하면 입력데이터가 합성곱에 참여하는 비율이 개선된다

• 스트라이드(stride)
• 필터가 연산을 할 때 얼마나 이동할지 경정하는 변수이다.
• 2칸씩 뛰어서 연산을 진행할 수도 있다. 하지만 대부분 기본값으로 ‘1’을 사용한다.
• 풀링(pooling)
• 합성곱 층에서 만든 특성 맵의 가로세로 크기를 줄이는 역할을 한다. 단, 특성 맵의 개수는 줄어들지 않는다.
• 풀링은 패딩을 하지 않는다
• 대부분 최대풀링을 많이 사용한다. 평균풀링은 중요한 정보를 희석시킬 수 있기 때문이다
• 풀링의 종류: 최대 풀링(max pooling): 가장 큰 값을 고르는 방법 평균 풀링(average pooling): 평균을 계산하는 방법

합성곱 신경망의 전체 구조

• ‘합성곱층’, ‘풀링층’, ‘밀집층’으로 구성 되어 있다